Forschungsprojekt KlimaNetz: Quartierswärme vernetzt gedacht

Als besonders effiziente Möglichkeit zur Beschleunigung der Transformation kann die vergleichsweise neue Betrachtungsebene des Quartiers gesehen werden, da sich in der vernetzten Energieversorgung größerer Gebäudegruppen sowohl in der effizienten Energiebereitstellung und -nutzung als auch zur Einbindung erneuerbarer Energien erhebliche Hebel gegenüber der Einzelversorgung von Gebäuden ergeben. Gleichzeitig beinhaltet die Vernetzung von Einzelgebäuden in einem Quartier zahlreiche Abhängigkeiten und Interaktionen und macht die Transformation, insbesondere in bestehenden Quartieren mit Nahwärmenetzen, zu einer komplexen Aufgabe.

Quartiersbesitzer stellt dies besonders in frühen Phasen der Umgestaltungsplanung vor erhebliche Herausforderungen, da schon eine frühe Kosten-Nutzen-Analyse eine weitreichende Einschätzung der Umsetzungsmaßnahmen (Gebäudeeffizienz und Energieversorgung) erfordert, die i. d. R. nur durch detaillierte Daten und tiefe Fachkenntnisse in der Energiesystemplanung erarbeitet werden kann. Hinzu kommt, dass sich die meisten Planungsinstrumente nur mit Teilaspekten befassen und keinen integrierten Ansatz anbieten, der Gebäudesanierungsentscheidungen mit der Planung der Energieinfrastruktur verknüpft.

Den meisten Werkzeugen fehlen Funktionen zur Optimierung mehrerer Kriterien, um konkurrierende Ziele, wie einerseits minimale Investitionskosten und andererseits die maximale CO₂-Reduktion, innerhalb eines einzigen Planungsablaufs für ein ganzes Quartier in Einklang bringen zu können. Das im Rahmen der Förderinitiative ZukunftBau vom Bundesamt für Bau-, Stadt- und Raumordnung geförderte Forschungsprojekt KlimaNetz greift diese Lücke auf. Ziel des von Dezember 2023 bis Januar 2026 an der Technischen Hochschule Rosenheim durchgeführten Projekts war die Entwicklung eines Werkzeugs, das Akteure wie Quartiersbesitzende oder Betreibende von Nahwärmenetzen in frühen Planungsphasen unterstützt und ihnen Kosten- und CO₂-optimierte Zielbilder für die Quartierstransformation vorschlägt. Im Fokus des Projekts steht die Transformation von Quartieren mit Nahwärmenetzen, da sie mit der Umstellung zu Niedertemperatur-Wärmenetzen große Potenziale für die Integration erneuerbarer Wärmequellen bieten. Projektpartner war die Stadtbau- Regensburg GmbH, die als zentrale Grundlage für die Erarbeitung des Projekts die Daten zu ihren Quartieren zur Verfügung gestellt hat.

Die Erarbeitung des Forschungsprojekts erfolgte anhand der nachfolgenden Forschungsfragen:
— Wie kann ein Niedertemperatur-Nahwärmenetz in einem bestehenden Quartier so umgesetzt werden, dass die Integration von erneuerbaren Wärmequellen und thermischen Speichern maximiert und optimiert wird?
— Inwieweit müssen die Gebäude in einem Quartier saniert werden, um einen effizienten Betrieb eines Niedertemperatur-Nahwärmenetzes zu ermöglichen?
— Wie kann der Ressourceneinsatz so optimiert werden, dass eine möglichst hohe Kosteneffizienz für Gebäudesanierungen und Wärmenetze erreicht werden kann?
— Kann es ein vereinfachtes Werkzeug geben, das die Bewohner und Netzbetreiber bei der Entscheidungsfindung nutzen können, ohne dass spezielle Kenntnisse und Erfahrungen in der komplexen Energienetzmodellierung erforderlich sind?

Methodik für integrierte, ökonomisch bewertete Transformationslösungen

Die zentrale Forschungsaufgabe des Projekts KlimaNetz war daher die Entwicklung eines weitgehend automatisierten mehrstufigen Berechnungsprozesses, der auf Grundlage weniger Eingabedaten selbstständig integrierte Transformationslösungen für Quartiere mit Wärmenetzen zu Niedertemperaturnetzen erarbeitet und diese unter regulatorischen Rahmenbedingungen ökonomisch bewertet. Anders als viele bestehende Planungswerkzeuge, die i. d. R. nur Teilaspekte berücksichtigen, verknüpft der im Projekt KlimaNetz entwickelte Prozess drei Schritte zu einer integrierten Betrachtung für ein einfach nutzbares Werkzeug: die Ermittlung des Energiebedarfs mit der Auswahl geeigneter Netztemperaturen (1), die Auslegung einer passenden Energieversorgung aus Photovoltaik, Wärmepumpe und Batteriespeicher (2) sowie die Bestimmung und ökonomische Bewertung der resultierenden Transformationslösungen (3).

Schritt 1

In der Energiebedarfs- und -angebotsanalyse ermittelt das Werkzeug stündlich Bedarfsprofile für Raumheizung und Warmwasser sowie die im Quartier mögliche Photovoltaiknutzung. Dazu liest es gebäudespezifische Eingangsdaten ein, z. B. Gebäudetyp, Bau- und Sanierungsjahr, Wohnfläche und Geschosszahl. Anhand der bauphysikalischen Kennwerte typischer Baualtersklassen (Gebäudetypologie Tabula) errechnet das Werkzeug den jährlichen Wärmebedarf für den aktuellen Gebäudezustand sowie für einen konventionellen und einen zukunftsweisenden Sanierungsstandard und leitet daraus mithilfe der Gradtagzahl-Methode zeitlich hochaufgelöste Bedarfsprofile ab. Die mögliche Leistung der Photovoltaikanlage ermittelt es aus dem nutzbaren Dachflächenanteil in Verbindung mit der Geometrie der Einzelmodule.

Schritt 2

Das Werkzeug entwirft eine passende Energieversorgung: Die Leistung einer Luft-Wasser-Wärmepumpe wird anhand der aus den Lastprofilen ermittelten Spitzenlast dimensioniert, die zugehörige Wärmenetztemperatur richtet sich nach dem energetischen Standard der Gebäude (Bestand: 65 °C, konventionelle Sanierung: 55 °C, zukunftweisende Sanierung: 45 °C). Ein Wärmespeicher wird so ausgelegt, dass er die Spitzenlast für die Dauer von 1,5 Stunden abdeckt; die Photovoltaikanlage wird in drei Ausbaustufen betrachtet – von einem Drittel bis zur vollen Kapazität bei Ausnutzung aller verfügbaren Dachflächen. Für den Batteriespeicher werden fünf Kapazitätsstufen in der Photovoltaik berücksichtigt. Gebäudestandards und Energiesystemkomponenten werden anschließend zu Transformationsvarianten kombiniert. Den Eigenverbrauchsgrad des im Quartier erzeugten Stroms leitet das Werkzeug über ein ebenfalls im Projekt KlimaNetz entwickeltes Prädiktionsmodell ab (siehe Ergebnis 2), das zugleich die Jahresarbeitszahl der Wärmepumpe in Abhängigkeit von der Netztemperatur berücksichtigt.

Schritt 3

Es werden aus den so charakterisierten Systemkonfigurationen die eigentlichen Transformationslösungen bestimmt und ökonomisch bewertet: Für jede Konfiguration berechnet das Werkzeug die Investitionskosten (Capex) für Gebäudesanierung und Anlagentechnik, die laufenden Betriebskosten (Opex) sowie die Einnahmen aus der Einspeisevergütung und den eingespartem Netzbezug, dazu die resultierenden CO₂-Emissionen. Aus der Gesamtheit aller so bewerteten Kombinationen identifiziert der Prozess anschließend die Paretooptimalen Lösungen: jene Kombinationen, bei denen sich die Kosten nicht weiter senken lassen, ohne die CO₂-Emissionen zu erhöhen, und umgekehrt.

Abbildung 1 zeigt anhand von zehn beispielhaften Quartieren in Regensburg (Gesamtwohnfläche zwischen 15.000 und 62.024 m²) den Umfang der mithilfe des Werkzeugs ermittelten Emissionseinsparpotenziale. Der Wechsel von Gaskesseln auf Wärmepumpen erbringt CO₂-Einsparungen von ca. 30%; die Kombination aus zukunftsweisendem Sanierungsstandard, Wärmepumpe, Photovoltaik und Mieterstrommodell erreicht in den detailliert untersuchten Quartieren CO₂-Reduktionen von bis zu 90%.

Maschinelles Lernen und KI statt Simulation in frühen Planungsphasen

Um eine Versorgungslösung für ein Quartier festzulegen, wird üblicherweise in einem detaillierten, iterativen Planungsprozess eine passende Konfiguration aus Gebäudesanierung und Energieversorgungskomponenten ermittelt, simulativ berechnet und optimiert. Dies erfordert umfangreiche Fachkompetenz in der Energiesystemmodellierung sowie detaillierte Daten zum Quartier, die in frühen Planungsphasen i. d. R. nicht oder nur mit unverhältnismäßig hohem Aufwand erarbeitet werden können. Für eine erste überschlägige Einschätzung möglicher Transformationslösungen ist dieser Aufwand sehr hoch.

KlimaNetz löst dieses Problem, indem es die Fachplanung und die darin enthaltene Simulation des Quartiers durch Methoden des maschinellen Lernens und der künstlichen Intelligenz ersetzt. Grundlage dafür ist ein umfangreicher Datensatz aus einer Vielzahl detaillierter Simulationen ausgewählter Beispielquartiere. Daraus wurden die Zusammenhänge zwischen den Eingangsparametern eines Quartiers – etwa Sanierungsstandard, PV- und Speicherkonfiguration sowie Wärmenetztemperatur – und dem sich daraus ergebenden Systemverhalten extrahiert und für die Entwicklung statistischer bzw. mathematischer Prädiktionsmodelle nutzbar gemacht. Zur Optimierung wurden drei Modelltypen verglichen: generalisierte lineare Modelle (GLM) mit einfacher, schnell berechenbarer Struktur, generalisierte additive Modelle (GAM) mit nichtlinearen Spline-Funktionen und neuronale Netze (NNM).

Grundlage aller drei Modelle war derselbe Datensatz aus 304 Simulationsergebnissen, die Modellgüte wurde quantitativ und visuell beurteilt. Dabei zeigte sich ein klarer Leistungsunterschied: Das NNM erzielte die höchste Vorhersagegenauigkeit (Bestimmtheitsmaß R2 = 0,973), gefolgt vom GAM (R2 = 0,951) und dem GLM (R2 = 0,815). Bemerkenswert ist dabei, dass das GAM mit deutlich geringerem Rechenaufwand und höherer Interpretierbarkeit eine Vorhersagegüte erreicht, die nur geringfügig unter der des NNM liegt.

Als statistisch fundierte Verfahren bieten GLM und GAM trotz ihrer geringeren Modellkapazität wesentliche Vorteile: Sie prüfen statistische Voraussetzungen, liefern interpretierbare Koeffizienten und quantifizieren die statistische Signifikanz einzelner Einflussgrößen. Damit geben sie wertvolle Einblicke in die Wirkungsrichtung und relative Bedeutung von Systemparametern – etwa den Einfluss des Verhältnisses von PV-Leistung zu Wärmepumpengröße oder der Speicherkapazität auf den Eigenverbrauch. Diese Erklärbarkeit ist in der ingenieurtechnischen Praxis von besonderem Wert, da sie nicht nur Vorhersagen liefert, sondern auch das Systemverständnis vertieft und die Plausibilität der Ergebnisse fachlich überprüfbar macht.

Benutzerfreundliches Werkzeug für Akteure ohne Fachkenntnisse

Das dritte zentrale Ergebnis des Forschungsprojekts ist die Überführung der entwickelten Methodik in ein benutzerfreundliches Planungswerkzeug. Es richtet sich an Quartiersbesitzende und Betreibende von Nahwärmenetzen, die meist weder über detaillierte Planungsdaten noch über Kenntnisse in der Energiesystemmodellierung und -bewertung verfügen. Während in der Fachplanung etablierte Werkzeuge fundierte Expertise voraussetzen, bietet das im Projekt KlimaNetz entwickelte Werkzeug den Zugang zu Transformationslösungen auch für Nicht-Experten.

Für die Eingabe sind nur wenige Gebäudedaten erforderlich: Nutzende müssen Informationen zu Gebäudetyp, Baujahr, Sanierungsjahr, Wohnfläche und Geschosszahl über eine Datei zur Verfügung stellen, den künftigen Sanierungsstandard und die Klimazone des Gebäudestandorts wählen. Diese sowie weitere Eingaben erfolgen über die Benutzeroberfläche, die in Abbildung 2 dargestellt ist. Für die weiteren Berechnungsparameter wurden Voreinstellungen auf Grundlage der aktuellen Rahmenbedingungen innerhalb des Werkzeugs vorgesehen, um die Transformationsprognose ohne viel Aufwand starten zu können. Auf dieser Basis leitet das Werkzeug anhand typischer Baualtersklassen den Wärmebedarf für den Bestand sowie für unterschiedliche Sanierungsstandards automatisiert mithilfe des entwickelten Berechnungsprozesses ab, ermittelt Auslegungsdaten zur Dimensionierung der Energiesystemkomponenten sowie das nutzbare Photovoltaikpotenzial der Dachflächen.

Das Werkzeug ermittelt für jedes Quartier mehrere Varianten von Systemkonfigurationen aus Sanierungsstandard, Wärmepumpe, PV-Ausbaustufe und Batteriespeicherkapazität und bewertet sie jeweils hinsichtlich Kosten und CO₂-Emissionen unter Verwendung der gewählten Parameter. Die jährlichen Kosten sowie CO₂-Emissionen der Varianten werden, wie in Abbildung 3 dargestellt, getrennt nach Sanierungsstandards und in Richtung der geringsten Emissionen aufgelistet.

Zusätzlich zu der Darstellung im Balkendiagramm werden alle Lösungen auch als Punkte in einem interaktiven Diagramm dargestellt, das Kosten und Emissionen je Quadratmeter visualisiert und farblich nach Sanierungsstandard kennzeichnet. Dabei werden außerdem die Dimensionen der Systemkomponenten angegeben. Nutzer des Werkzeugs erhalten damit einen Überblick über eine Bandbreite von Transformationspfaden, vom Austausch der Energiesystemkomponenten im Bestand bis zu deren Kombination mit einer zukunftsweisender Gebäudesanierung. Aus der Gesamtheit aller bewerteten Konfigurationen filtert das Werkzeug automatisiert die Pareto-optimalen Lösungen heraus, bei denen sich die Kosten nicht weiter senken lassen, ohne die CO₂-Emissionen zu erhöhen, und umgekehrt. Damit soll der Zielkonflikt zwischen minimalen Investitionskosten und maximaler CO₂-Reduktion transparent dargestellt und die Grundlage für die informierte Entwicklung von Entscheidungen im Rahmen individueller Möglichkeiten eines Quartiert gegeben werden.

Durch den hohen Automatisierungsgrad und die Nutzung von Prädiktionsmodellen entfällt für Nutzer des KlimaNetz-Prognosetools der in frühen Planungsphasen hohe Aufwand, detaillierte technische Bestandsdaten zu erheben und Simulationsergebnisse erarbeiten zu lassen. Über den niedrigschwelligen Zugang soll die Voraussetzung dafür gegeben werden, dass auch Akteure ohne Fachkenntnisse in der Energiesystemmodellierung erste Einschätzungen zu möglichen Transformationspfaden erhalten, bevor eine detaillierte Fachplanung für die Umsetzung beauftragt wird.

Die Autorinnen

Isabell Nemeth
Prof. Dr.-Ing. Isabell Nemeth lehrt und forscht an der TH Rosenheim in den Themenfeldern Bauphysik und Gebäudetechnik mit besonderem Fokus auf Nachhaltigkeit. Sie leitet das Labor für Nachhaltige Gebäudesysteme, in dem praxisorientierte Lehre und Forschung zur Gestaltung nachhaltiger und ressourcensparender Gebäude und Quartiere im Fokus stehen.

Miaomiao He
Dr. Miaomiao He ist wissenschaftliche Mitarbeiterin an der TH Rosenheim und verfügt über langjährige Erfahrung in der Simulation und Optimierung von Gebäuden und Quartieren. Im Labor für nachhaltige Gebäudesysteme der TH Rosenheim forscht sie im Schwerpunkt Gebäudetechnik an Lösungen zur Integration von erneuerbaren Energien in die Wärmeversorgung.